ỨNG DỤNG THỊ GIÁC MÁY TÍNH HUẤN LUYỆN THIẾT BỊ BAY KHÔNG NGƯỜI LÁI NHẬN DIỆN CÁC VẬT THỂ CÓ DẠNG HÌNH HỌC CƠ BẢN

Hoàng Hữu Trung và CS. Tập 134, Số 2A, 2025 176 Trong hình 4, kết quả nhận thấy được: - Tập huấn luyện bao gồm 101.380 mẫu và tập kiểm thử bao gồm 25.345 mẫu. - Độ lỗi (Loss): Là điểm số thể hiện mức độ sai lệch giữa dự đoán của mô hình và giá trị thực tế. Thường là mục tiêu để được giảm thiểu trong quá trình huấn luyện. - Độ chính xác (Accuracy): Tỷ lệ phần trăm các dự đoán đúng trên tổng số mẫu. Đây là một chỉ số quan trọng để đánh giá hiệu suất của mô hình. - Trong chu kỳ huấn luyện (epoch) đầu tiên, độ lỗi trên tập huấn luyện là 0,2124 và độ chính xác là 0,9132. Điều này thể hiện rằng mô hình đã bắt đầu với một mức độ khá tốt trên tập huấn luyện. - Qua các epoch (chu kỳ huấn luyện) tiếp theo, độ lỗi trên tập huấn luyện giảm đáng kể xuống 0,0056; trong khi đó, độ chính xác tăng lên 0,9986. Điều này cho thấy mô hình đã học rất tốt và thể hiện khả năng dự đoán rất chính xác. Từ kết quả trên hình 4 và hình 5 cho thấy mô hình CNN đã đạt được hiệu suất đáng kể trong quá trình huấn luyện. Giá trị độ lỗi trên cả tập huấn luyện và tập kiểm tra giảm theo từng epoch, đồng thời độ chính xác tăng lên một cách nhanh chóng. Đặc biệt, mô hình đã đạt đến mức độ chính xác cao hơn 99% trên tập kiểm tra, cho thấy khả năng phân loại chính xác của mô hình trên các dữ liệu mới. Một điểm đáng chú ý khác là mô hình không có dấu hiệu quá khớp (overfitting), mặc dù độ chính xác trên tập huấn luyện đã đạt mức rất cao. Cách tiếp cận tạo bộ dữ liệu ảnh với vị trí các vật thể màu trắng đa dạng kích thước và vị trí, giúp mô hình học được tốt hơn và tránh

overfitting. Điều này cho thấy mô hình có khả năng tổng quát hóa tốt cả trên dữ liệu không được sử dụng trong quá trình huấn luyện. Thời gian trung bình mỗi mẫu xử lý qua mô hình trong mỗi epoch là khoảng 433 microseconds (𝜇s/sample). Thời gian này cho thấy mô hình đang được huấn luyện một cách hiệu quả và có khả năng xử lý nhanh chóng. Hình 4. Kết quả huấn luyện